[发明专利]一种实时白天室外手机图像的PM2.5指数估计方法

说明书

本发明公开了一种基于室外手机图像的实时PM2.5估计方法，利用暗原始色先验算法和颜色衰减先验算法分别计算出对应的绝对透射率图和绝对深度图；之后，利用小波分解对图像提取置信图层，通过计算得到的置信图层进行计算获取相对透射率和相对深度图；利用以上获取的相对透射率和相对深度图进行消光系数的计算；使用以上获取的消光系数，建立室外消光系数与PM2.5实测值的关系模型。通过以上步骤，实现了通过单一的室外手机照片对其场景的PM2.5估计。

技术领域

本发明涉及空气质量监测领域，具体为一种实时白天室外手机图像的PM2.5指数估计方法。

背景技术

随着我国社会经济迅速发展和人口经济的高密度分布，城市空气质量日益下降。雾霾天气的频繁发生对民众的健康造成一系列潜在影响。虽然目前大规模爆发的雾霾天气情况得以有效的控制，然而长时间、中等空气污染情况对民众的影响更加严重。雾霾主要由PM2.5和PM10等悬浮颗粒物组成，其中以PM2.5对民众身体健康影响最为严重。因此，PM2.5的实时浓度检测已变成了一项十分重要的工作。

传统的PM2.5浓度的监测方法往往依赖于城市中政府相关部门设立的空气质量监测子站。虽然已有的空气质量检测站点提供准确且每小时更新的PM2.5数据，但其非实时性、站点固定等特征使得随时随地获取小空间尺度、细时间粒度的PM2.5浓度无法实现。其现有的传统PM2.5浓度检测方法也具有无法携带、操作复杂等特点使得该种监测方法并没有在民众中广泛使用。近年来，基于图像处理方法进行PM2.5浓度估计获得了人们的广泛关注，但是众多便于实现的PM2.5浓度估计方法均存在着一些图像变形，从而导致这些基于图像处理的PM2.5浓度估计方法作图像处理时改变原本图像特征、估计不准确等缺陷，因而需要一种更为精确简易的从手机图像获取PM2.5浓度污染指数的方法。

专利《一种基于雾天图像的PM2.5估计方法》申请号(201611270437.2)提出了一种利用深度学习的方法来检测PM2.5污染浓度，该方法利用卷积神经网络进行透射率和图像深度的提取，并且得到了良好的估计结果。然而，该专利涉及红外相机作为辅助硬件用来估计PM2.5浓度，对于民众日常使用存在着问题，不适合大范围推广；专利《一种基于暗原色先验的空气质量指数估计方法》申请号(201510181885.4)提出了一种利用暗原色先验算法的空气质量指数估计，该方法通过提取样本图像的特征参数，利用数据挖掘的方法构建PM2.5浓度和特征参数拟合模型，以此来估计PM2.5浓度。然而该方法存着不足，该方法计算得出的特征参数是统计意义上的参数特征，但是在实际物理模型中，并没有参数可以进行对应，因此该方法有可能存在因为样本数据采集不足、数据类型不全面等原因导致计算错误。

发明内容

为实现上述目的，本发明提供如下技术方案：一种实时白天室外手机图像的PM2.5指数估计方法，包括以下步骤：

步骤1，采集样本图像以及与样本图像匹配的实测PM2.5浓度；

步骤2，计算样本图像特征参数即消光系数；

步骤3，消光系数计算；

步骤4，相对深度—相对透射率关系确立；

步骤5，消光系数—PM2.5浓度回归关系线性拟合；

步骤6，重复执行步骤1至步骤5，直至函数拟合的r²大于0.7为止，同时在统计学上达到5％显著水平，获得最终的消光系数—PM2.5浓度关系模型建立；

步骤7，实时估计室外空气质量指数。